បញ្ហា (The Problem)៖ វិធីសាស្ត្រសិក្សាប្រពៃណីជារឿយៗមិនអាចឆ្លើយតបទៅនឹងតម្រូវការអារម្មណ៍ និងបញ្ញាជាក់លាក់របស់សិស្សម្នាក់ៗបានឡើយ ដែលធ្វើឱ្យខ្វះការគាំទ្រផ្នែកស្មារតីក្នុងការអប់រំ។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះបានអភិវឌ្ឍកម្មវិធីសន្ទនាឆ្លាតវៃ (AI-powered Chatbot) សម្រាប់វិស័យអប់រំដោយប្រើភាសា Python ដើម្បីធ្វើការវិភាគមនោសញ្ចេតនា (Sentiment Analysis) លើការឆ្លើយតបរបស់សិស្ស។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| VADER Sentiment Intensity Analyzer ការវិភាគកម្រិតអារម្មណ៍ដោយប្រើ VADER |
មានល្បឿនលឿន ងាយស្រួលប្រើប្រាស់ និងមានប្រសិទ្ធភាពខ្ពស់ក្នុងការវិភាគអត្ថបទខ្លីៗដោយពឹងផ្អែកលើវចនានុក្រមអារម្មណ៍ (Lexicon-based)។ | អាចមានកម្រិតក្នុងការយល់ដឹងពីបរិបទស្មុគស្មាញ ឬការនិយាយបញ្ឆិតបញ្ឈៀង (Sarcasm) ប្រៀបធៀបទៅនឹងម៉ូដែល Deep Learning។ | កំណត់អត្តសញ្ញាណអារម្មណ៍បានយ៉ាងជោគជ័យក្នុងការសាកល្បង (វិជ្ជមាន ៤ និងអវិជ្ជមាន ៦)។ |
| BERT (Bidirectional Encoder Representations from Transformers) ការវិភាគអត្ថបទកម្រិតខ្ពស់ដោយប្រើ BERT |
មានភាពត្រឹមត្រូវខ្ពស់ និងអាចយល់ពីបរិបទនៃពាក្យក្នុងប្រយោគបានស៊ីជម្រៅនិងល្អិតល្អន់។ | ទាមទារធនធានកុំព្យូទ័រ (Computational resources) ខ្ពស់ និងត្រូវការពេលវេលាយូរក្នុងការបង្ហាត់ទិន្នន័យ (Training)។ | ត្រូវបានស្នើឡើងក្នុងក្របខណ្ឌ methodology ជាជម្រើសសម្រាប់ម៉ូដែលដែលមានភាពស្មុគស្មាញខ្ពស់។ |
| Traditional Educational Methods វិធីសាស្ត្រសិក្សាអប់រំប្រពៃណី |
មានប្រសិទ្ធភាពក្នុងបរិស្ថានដែលមានរចនាសម្ព័ន្ធច្បាស់លាស់ និងងាយស្រួលអនុវត្តជាទូទៅកម្រិតថ្នាក់រៀន។ | ខ្វះលទ្ធភាពក្នុងការឆ្លើយតបទៅនឹងតម្រូវការផ្លូវចិត្ត និងបញ្ញាជាក់លាក់របស់សិស្សម្នាក់ៗ។ | មិនមានលទ្ធភាពផ្តល់ការឆ្លើយតបតាមបរិបទអារម្មណ៍សិស្ស (Lack of dynamic emotional response)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះមិនបានបញ្ជាក់ពីទំហំថវិកាជាក់លាក់នោះទេ ប៉ុន្តែវាទាមទារចំណេះដឹងផ្នែកសរសេរកូដ និងធនធានកម្មវិធីកុំព្យូទ័រជាមូលដ្ឋាន (Open-source tools) ដែលចំណាយតិចតួចបំផុតក្នុងការចាប់ផ្តើម។
ការសិក្សានេះទំនងជាត្រូវបានធ្វើឡើងជាមួយនិស្សិតក្នុងស្ថាប័នរបស់អ្នកស្រាវជ្រាវ (ប្រទេសឥណ្ឌា) ដោយផ្អែកលើអន្តរកម្មតាមរយៈភាសាអង់គ្លេស។ វាមិនបានបញ្ជាក់ពីទំហំសំណាក (Sample size) ច្បាស់លាស់ និងភាពចម្រុះនៃប្រជាសាស្ត្រឡើយ។ សម្រាប់ប្រទេសកម្ពុជា ការបកស្រាយអារម្មណ៍អាចមានភាពខុសគ្នាដោយសារកត្តាវប្បធម៌ និងការប្រើប្រាស់ភាសាខ្មែរ ដូច្នេះម៉ូដែលនេះត្រូវតែមានការកែសម្រួលទិន្នន័យដើម (Dataset localization) ទើបអាចប្រើប្រាស់ប្រកបដោយប្រសិទ្ធភាព។
វិធីសាស្ត្រនៃការប្រើប្រាស់ Chatbot យល់ពីអារម្មណ៍នេះមានសក្តានុពលខ្ពស់ក្នុងការយកមកអនុវត្តនៅប្រទេសកម្ពុជា ជាពិសេសក្នុងវិស័យបច្ចេកវិទ្យាអប់រំ (EdTech)។
សរុបមក ការប្រើប្រាស់បញ្ញាសិប្បនិម្មិតដើម្បីវិភាគអារម្មណ៍ (Emotion AI) នឹងជួយបង្កើតបរិយាកាសសិក្សាដែលប្រកបដោយការយោគយល់ កាត់បន្ថយសម្ពាធសិស្ស និងលើកកម្ពស់គុណភាពនៃការអប់រំឌីជីថលនៅកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Sentiment Analysis | ដំណើរការដែលប្រព័ន្ធកុំព្យូទ័រវិភាគអត្ថបទ ឬពាក្យសម្តីដើម្បីកំណត់ថាតើអ្នកសរសេរមានអារម្មណ៍វិជ្ជមាន អវិជ្ជមាន ឬអព្យាក្រឹត ហើយវាជួយកុំព្យូទ័រឱ្យឆ្លើយតបបានត្រឹមត្រូវតាមស្ថានភាពផ្លូវចិត្ត។ | វាដូចជាអ្នកអានសំបុត្រមិត្តភក្តិ ហើយដឹងភ្លាមៗថាគេកំពុងសប្បាយចិត្ត ឬខឹង តាមរយៈពាក្យពេចន៍ដែលគេប្រើ។ |
| Natural Language Processing (NLP) | បច្ចេកវិទ្យាដែលជួយឱ្យកុំព្យូទ័រអាចយល់ បកស្រាយ និងដំណើរការទិន្នន័យជាភាសារបស់មនុស្ស ដើម្បីអាចទាញយកអត្ថន័យ និងសន្ទនាឆ្លើយតបជាមួយមនុស្សបាន។ | វាប្រៀបដូចជាការបង្រៀនកុំព្យូទ័រឱ្យចេះវេយ្យាករណ៍ និងអត្ថន័យនៃភាសា ដើម្បីអាចនិយាយនិងស្តាប់មនុស្សបានអញ្ចឹងដែរ។ |
| Tokenization | វិធីសាស្ត្រក្នុងការបំបែកប្រយោគ ឬអត្ថបទវែងៗទៅជាផ្នែកតូចៗ (ដូចជាពាក្យនីមួយៗ) ជាមុនសិន ដើម្បីឱ្យកុំព្យូទ័រងាយស្រួលយកទៅវិភាគអត្ថន័យបន្តទៀត។ | ដូចជាការហែកនំប៉័ងមួយដុំធំទៅជាចំណិតតូចៗ ដើម្បីងាយស្រួលទំពារនិងរំលាយក្នុងក្រពះ។ |
| Affective Computing | ការស្រាវជ្រាវនិងអភិវឌ្ឍប្រព័ន្ធកុំព្យូទ័រ ដែលអាចចាប់សញ្ញា វិភាគ និងឆ្លើយតបទៅនឹងអារម្មណ៍របស់មនុស្សតាមរយៈទឹកមុខ សំឡេង ឬការសរសេរអត្ថបទ។ | ដូចជាការបង្កើតកុំព្យូទ័រឱ្យមានបេះដូងចេះយល់ចិត្ត ដែលដឹងថាអ្នកកំពុងកើតទុក្ខ ហើយចាក់ចម្រៀងកំដរអារម្មណ៍អ្នក។ |
| VADER Sentiment Intensity Analyzer | ឧបករណ៍វិភាគកូដកុំព្យូទ័រឯកទេស ដែលមានផ្ទុកវចនានុក្រមពាក្យអារម្មណ៍ស្រាប់ សម្រាប់ថ្លឹងទម្ងន់កម្រិតអារម្មណ៍នៃប្រយោគនីមួយៗ ដោយផ្តល់ពិន្ទុថាវិជ្ជមាន ឬអវិជ្ជមានកម្រិតណា។ | វាប្រៀបដូចជាជញ្ជីងថ្លឹង ប៉ុន្តែជំនួសឱ្យការថ្លឹងគីឡូ វាថ្លឹងមើលថាសម្តីរបស់អ្នកមានជាតិអត្ថន័យ "ផ្អែម" ឬ "ជូរចត់" កម្រិតណា។ |
| Reinforcement learning | វិធីសាស្ត្របង្ហាត់បញ្ញាសិប្បនិម្មិត (AI) ឱ្យរៀនពីកំហុសនិងភាពជោគជ័យតាមរយៈការសាកល្បងដោយខ្លួនឯង តាមរយៈការផ្តល់រង្វាន់ពេលឆ្លើយត្រូវ និងពិន័យពេលឆ្លើយខុស។ | ដូចជាការបង្ហាត់សត្វឆ្កែឱ្យចេះអង្គុយ ដោយឱ្យចំណីពេលវាអង្គុយតាមបញ្ជា និងមិនឱ្យចំណីពេលវាធ្វើខុស។ |
| Kansei engineering | បច្ចេកវិទ្យាដែលផ្សារភ្ជាប់វិស្វកម្មជាមួយនឹងអារម្មណ៍ ដោយផ្តោតលើការបង្កើតផលិតផលផ្អែកលើតម្រូវការផ្លូវចិត្តរបស់អ្នកប្រើប្រាស់ ដើម្បីផ្តល់នូវភាពផាសុកភាពនិងភាពរីករាយ។ | ដូចជាការច្នៃម៉ូដកៅអីអង្គុយរៀន ដែលមិនត្រឹមតែរឹងមាំទេ តែពេលអង្គុយទៅធ្វើឱ្យអ្នកមានអារម្មណ៍កក់ក្តៅ និងមិនងងុយគេង។ |
| BERT (Bidirectional Encoder Representations from Transformers) | ម៉ូដែលបណ្តាញសរសៃប្រសាទសិប្បនិម្មិត ដែលអានប្រយោគទាំងមូលពីឆ្វេងទៅស្តាំ និងពីស្តាំទៅឆ្វេងក្នុងពេលតែមួយ ដើម្បីចាប់យកបរិបទនិងអត្ថន័យស៊ីជម្រៅនៃពាក្យនីមួយៗក្នុងប្រយោគ។ | ដូចជាអ្នកស៊ើបអង្កេតដែលអានសៀវភៅដោយមើលទាំងសាច់រឿងខាងមុខនិងខាងក្រោយ ដើម្បីយល់ពីអាថ៌កំបាំងរបស់តួអង្គយ៉ាងច្បាស់លាស់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
